Nature Methods | 核苷酸转换模型（Nucleotide Transformer, N...

正文

请到「今天看啥」查看全文

探针测试（Probing）： 对比了探针测试与微调的区别。 探针测试类似于微调，但不对模型权重进行缩放调整（rescaling），以评估预训练模型的通用性。

NT模型与其他基因组学基础模型的比较 (c) 感知野大小（Perception Field Size）、参数数量和性能的对比： 图表中比较了NT模型与其他基因组学基础模型（如DNABERT、HyenaDNA和Enformer）的关键指标：

感知野大小：NT模型的感知野更大，能够捕捉更长距离的序列依赖性，这在基因组学中尤为重要。

参数数量：NT模型的参数数量多样化（从500M到2.5B），使得它能够平衡性能与计算资源需求。

性能表现：在18个精心挑选的下游任务中，NT模型在大多数任务中优于其他模型，表现出卓越的跨任务预测能力。

下游任务中考虑的基因组特征 (d) 基因组特征的图示， 直观展示了用于下游任务的主要基因组功能区域和特征，包括外显子、内含子、剪接位点、增强子、启动子、组蛋白修饰等。 这些特征是基因组功能预测的核心元素。 图示的部分来源于其他研究，经过适当改编以适配NT模型的任务需求。

NT模型的多任务能力：解码DNA的多样化功能

研究团队将NT模型应用于18个核心基因组学任务，涵盖剪接位点预测、启动子识别、增强子活性分析和组蛋白修饰等多个领域。通过系统的对比实验，NT模型在大多数任务中都超越了传统模型。

剪接位点预测：让RNA的“拼接”更高效

RNA剪接是基因表达的重要步骤，剪接位点的准确识别对理解基因调控机制至关重要。NT模型在GENCODE数据集上的表现令人赞叹： 多物种2.5B模型在6 kb的输入序列中实现了95%的Top-k准确率，并在精确召回曲线（Precision-Recall AUC）上达到了0.98，这一表现远超传统模型SpliceAI-6k 。

这一结果表明，NT模型不仅能够高效识别剪接受体和供体位点，还能够在数据稀缺的情况下维持卓越的预测能力。这一特性特别适合应用于需要高精度的疾病研究。

启动子预测：基因“开关”的精准定位

启动子是基因表达的关键调控区域。NT模型在预测启动子时，展现出了极高的准确性： T ATA盒启动子预测的MCC为0.76，显著优于传统卷积网络BPNet（MCC为0.68） 。

NT模型的成功表明，它不仅能识别启动子的存在，还能精确区分不同类型的启动子，为基因调控研究提供了更强的工具。

增强子活性预测：基因表达的幕后推手

增强子是调控基因表达的重要“开关”。在果蝇S2细胞增强子活性任务中，NT模型表现尤为突出： 发育性增强子预测的AUC达到0.75，超过了DeepSTARR模型的AUC（0.74） 。 转录因子结合位点的突变效应预测： 在Dref位点的突变预测中，NT模型的准确率高于其他模型，提升约5%。

组蛋白修饰预测：揭示DNA的包装奥秘

在染色质特征预测任务中，NT模型通过识别组蛋白修饰区域，为表观遗传学研究提供了新的工具： 多物种模型的平均AUC为0.95，与DeepSEA模型（AUC为0.96）接近，但NT模型显著降低了计算成本。

这些结果表明，NT模型不仅能够高效预测基因组功能，还能在多种不同任务中实现跨领域的出色表现。

请到「今天看啥」查看全文